本节书摘来异步社区《机器人学经典教程》一书中的第2章，第2.3节，作者：【美】Maja J. Matarić（马娅•马塔里奇），更多章节内容可以访问云栖社区“异步社区”公众号查看。
2.3 人工智能
“人工智能”这个词听起来是不是特别酷，或者你会觉得“人工智能”会像电影里描述的那么可怕？实际上，人工智能并没有想象中那么强大和复杂。所以，现在让我们拨去人工智能那神奇的面纱，来看看人工智能与机器人真正的关系。
人工智能（AI）研究领域在1956年正式“诞生”于在新罕布什尔州汉诺威的达特茅斯大学所举办的一次科学会议。这次会议上聚集了当时最为杰出的研究人员，包括了Marvin Minsky、John McCarthy、Allan Newell和Herbert Simon，如果你想了解人工智能的起源，那么千万不能错过这些名字，他们现在都被视为该领域的创始人。这次会议的目的就是讨论如何为机器赋予智慧。会议最后的结论可以被总结如下：为了使得机器拥有智慧，它们将不得不从事一些繁重的脑力劳动，为了做到这一点，它们需要涉及如下几点。
世界的内部建模。
所有可能解决方案的搜索。
解决问题的计划和推理。
信息的符号化表示。
系统组织的层次。
程序执行的顺序。
如果上面列出的一些内容你并没有看懂，也不用担心，我们将会在第12章和第13章中对这些概念进行进一步的学习，我们也将见到它们中的一部分已经不再起着决定性的作用了。达特茅斯大学这次会议的重大意义在于它开创了人工智能研究领域，这对机器人学的研究意义重大，或者至少是建立了一个人工智能——驱动的机器人学分支。
那么什么是人工智能——驱动的机器人呢？Shakey（意为摇摇晃晃）就是一个很好的人工智能-驱动的例子，你可以在图 2.3中看到Shakey。它在20世纪60年代末诞生于加利福尼亚州帕罗奥图市的斯坦福研究所。这正如我们将在第9章中所看到一样，一台作为视觉传感器的摄像机向机器人提供了大量的非常复杂的信息。由于作为新研究领域的人工智能侧重于推理，而视觉要求复杂的处理过程，因此这些早期的机器人专家们将早期的人工智能技术应用到了他们研制的机器人中。Shakey“生活”在一个非常特殊的室内世界中，这个世界由平坦的白色地板和一些黑色的物体构成，例如一些球体或者棱锥体。它仔细地（并且缓慢地，这主要是受到当时的计算机水平限制）创造着在这个特殊的世界中移动的计划。人们不会出现在它行进的路线上，也不会在它身边出现。由于受到当时机器人技术的限制，Shakey在完成它的行进计划时，总是摇摇晃晃的，这也是它的名字Shakey的由来。
Shakey是一个十分受欢迎的而且也很著名（现在已经退役）的早期机器人，它的继任机器人名字为Flakey（意为疯疯癫癫），这里你不妨猜一猜这个名字的来历。接下来让我们来了解一些其他的人工智能——驱动的早期机器人。
HILARE：由位于法国图卢兹的LAAS（法语“Laboratoire d’Analyse et D’Architecture des Systemes”的缩写，意为“系统结构分析”）实验室在20世纪70年代末开发，使用了摄像机、超声波传感器、激光测距仪（我们将会在第9章中介绍这些设备）。与其他的研究用机器人不同，HILARE（见图2.4）经历了好几代的研究人员，是目前最为长寿的机器人。
CART，同样诞生于加利福尼亚州帕罗奥图市的斯坦福研究所，它是在1977年由Hans Moravec所创造的，这也是他的博士论文的一部分（仅仅是博士论文的一部分，要获得机器人学的博士学位需要很多成果，不过这都是值得的）。它的确是一个使用自行车车轮的CART。Moravec现在被认为是现代机器人技术的创始人之一，他目前主要在研究超声波传感技术。但是在他完成博士学位论文的那段时间，他主要研究的是视觉传感器（可以这么说），尤其是如何利用视觉来移动机器人，通常我们称之为基于视觉的机器人导航（我们将会在第19章介绍关于导航以及这项技术所面对的困难）。CART基于视觉的移动是十分迟缓的，但这并不是由于设计本身造成的，而是因为它需要大量的时间来思考。这一点和其他的同一时期的机器人相同，这主要是因为在当时的计算机处理器运算速度远远无法与现在相比，因此在处理数据时十分缓慢。据说在当时，CART用来思考下一步该往哪里走的时间太久了，以至于长时间一动不动，有人甚至可以发现CART的身后的影子都变化了，它还没有做出决定。
Rover于1983年诞生于宾夕法尼亚州匹兹堡的卡内基梅隆大学（通常称为CMU），同样是Hans Moravec所创造的。此时他已经获得了他的博士学位并且成为了一名CMU的教授。Rover中使用了一个摄像机和一个超声波传感器来导航（你可能发现了早期的老式机器人好像除了导航什么都不做，其实仅仅是导航就已经足够困难了，第19章中会向你解释为什么这仍然很难但是更易于处理的问题。）相比之前的CART，Rover已经先进了很多，它的智慧已经更接近现代的机器人了，但是它的思维和行动仍然很缓慢。
因为这些机器人的思考极为费力，动作也过于缓慢，因此不可能有效率并且顺应情况地进行移动，这些20世纪70年代和80年代的早期机器人们为机器人学这个年幼的领域提供了宝贵的经验。这个经验就是要想方设法使得机器人移动得更敏捷、更稳健，我们设计的思路要遵循这个原则。针对这一趋势，在20世纪80年代开始起，机器人学进入了一个飞速发展的阶段。在这段时间中，多个新的机器人学的研究方向出现了，更为重要的是，在此阶段最终形成了我们今天所使用的机器人控制形式：反应控制、混合控制和基于行为的控制。这几种控制形式我们将分别在第14章、第15章和第16章中进行介绍。这些形式都是早期机器人所使用的人工智能驱动形式的有效替代者，我们现在称之为纯粹的审慎控制（deliberative control），我们将会在第13章中学习关于它的内容，以及了解为何在如今的机器人中并没有使用这种技术。
如果你观察得足够仔细的话，可能已经发现这些早期的人工智能驱动的机器人在各方面都与之前的Grey Walter的“机械龟”以及Breitenberg的“车型机器人”完全不同。无论是在研究目标还是研究方法，人工智能都与控制论是不同的。但是机器人学需要将两者结合起来，以创建一个稳健的、快速的、聪明的机器。本书后面的内容将会向你介绍完成这个目的都需要做什么，以及如何去做。
到此我们已经完成了一个对机器人发展历程简单却引人入胜的回顾，可以这样说，现代机器人学就产生于几个重点研究领域的发展和相互作用，而这些领域包括：控制理论、控制论以及人工智能。这些领域的研究都对如今的机器人学产生了重要和持久的影响，它们中至少两个领域仍然是研究的主要对象。控制理论研究的成果已经应用到了各种机器上（尽管这些机器都不能算是智能的设备）。控制理论的思想是底层的机器人控制技术的核心，用于获取行进方向。而控制论研究的内容不再局限于它的名字，而是开始研究用于机器人控制的仿生技术，目前这个领域的研究非常活跃，并正处于蓬勃发展中，被广泛应用于移动机器人和类人型机器人中。最后，人工智能现在是一个十分庞大而且种类众多的研究领域，它侧重于但不是专门研究非物理的、非具身认知（这个意思是指“disembodied thinking”），我们将要在第16章中对身体是如何影响思维进行描述。机器人学技术正在突飞猛进。在第22章中可以了解到如今的机器人是什么样子，它们都会做什么，以及在这个领域的下一步走向。
小结
机器人学产生于控制理论、控制论以及人工智能等领域的研究。
最早的现代化机器人——W. GreyWalter制造的“机械龟”（这里指的是其中的一个，因为当时W. GreyWalter制造了很多个），都是利用控制论的原理来完成构造和进行控制的。
Braitenberg的“车型机器人”提供了更多的关于控制论和仿生原理的例子。
早期的人工智能促进了人工智能驱动的机器人的产生，例如Shakey、斯坦福大学的CART、HILARE以及CMU的 Rover。
人工智能驱动的早期机器人与“机械龟”和Braitenberg的“车型机器人”完全不同，通常由仿生控制机演变而来。
目前用来控制机器人的方法包括反应控制、混合控制和基于行为的控制，它们都是受到控制理论（控制机器的数学）、控制论（感知、行动与环境的结合）、人工智能（规划和推理的机制）影响并从中学习而发展起来的。
